A Method to Enhance Student Teams in Palliative Care: Piloting the McMaster-Ottawa Team Observed Structured Clinical Encounter
Notice bibliographique
Résumé
BACKGROUND: The need for palliative and end-of-life care (PEOLC) education in prelicensure education has been identified. PEOLC requires effective collaborative teamwork. The competencies required for effective collaborative teamwork are only now emerging and methods to evaluate them must be developed. OBJECTIVE: The adaptation of the traditional Objective Structured Clinical Examination (OSCE) for assessment of a student team addressing palliative care issues was undertaken. The McMaster-Ottawa Team Observed Structured Clinical Encounter (TOSCE) is intended as a formative evaluation tool for both competencies in interprofessional collaboration for patient-centered practice and PEOLC. METHODS: Three stations based on palliative care scenarios were developed. From January 2007 to January 2008, a total of 141 students and 38 observers participated in the evaluation of three stations, with 6-7 students per group and two observers per station. Observers completed checklists for both PEOLC and interprofessional collaborative competencies and, after completing the TOSCEs, students and observers completed questionnaires on their feasibility and acceptability. RESULTS: Eighty-nine percent of the students and 44% of the observers were from medicine. Students and observers found the TOSCE to be an acceptable and feasible assessment tool for both sets of competencies. Reliability and validity data show that the items in both the clinical and interprofessional checklists fit well together, and interrater reliability is readily achieved. CONCLUSIONS: The new formative evaluation TOSCE tool, adapted from the traditional OSCE, was acceptable and feasible to students and observers.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».